【技术实现步骤摘要】
本申请涉及数据处理，具体涉及一种净化工程废气净化设备异常运行数据检测方法。
技术介绍
1、净化工程废气净化设备是一种用于处理工业废气的设备，通过物理、化学或生物的方式，将工业废气中的有害物质转化为无害物质，以达到净化空气、保护环境的目的。在废气净化设备的运行过程中，由于废气净化设备的传感器故障、设备机械部件故障、操作参数的设置不当等原因，会造成废气净化设备出现净化效果下降、能耗增加甚至安全事故的发生，因此需要对废气净化设备的运行数据进行监控，检测出其中的异常运行数据，以及时发现潜在的问题和采取相应的措施进行处理，确保设备的正常运行和降低环境污染的风险。
2、sos算法（stochastic outlier selection）是一种常用的无监督异常检测算法，通过建立数据的分布模型实现异常数据的检测，能够从大规模的高纬度数据中识别出异常数据，具有较好的异常数据检测效果。但是废气净化设备的运行数据会受到多种因素的影响，使得其异常运行数据的分布具有不确定性的特点，造成异常运行数据与正常数据之间的欧式距离较为接近，使得sos算法在计算异常数据的离群概率时出现偏小的情况，导致将异常数据误检为正常数据，进而影响最终异常数据的检测效果。
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种净化工程废气净化设备异常运行数据检测方法，以解决现有的问题。
2、本专利技术的一种净化工程废气净化设备异常运行数据检测方法采用如下技术方案：
3、本专利技术一个实施例提
4、采集净化设备废气排放时的流量、温度、压力组成流量、温度以及压力数据序列，均记为数据序列；将各时刻采集的流量、温度、压力组成各数据向量；
5、根据各数据序列获取流量、温度及压力关联度；根据流量、温度及压力关联度获取综合影响系数，根据各数据序列的自相关矩阵构建各自相关特征值序列；根据各自相关特征值序列与其他自相关特征值序列的关系得到各数据序列的趋势同步异常系数；将自相关矩阵中各行元素的均值作为各行对应数据的趋势关联强度，设定各数据的时间区间，根据趋势同步异常系数、各数据及时间区间内所有数据的趋势关联强度得到各数据的短程趋势无序强度；根据各数据与其时间区间内的数据构建各数据的趋势距离差异系数及分布特征值，进而计算各数据的相似趋势密集指数；根据趋势距离差异系数及相似趋势密集指数得到各数据的短程有序趋势偏离度；将各流量数据的短程趋势无序强度与短程有序趋势偏离度的乘积作为各流量数据的短程流量趋势异常指数；
6、采用各流量数据的短程流量趋势异常指数的计算方法获取各温度数据的短程温度趋势异常指数、各压力数据的短程压力趋势异常指数；
7、根据综合影响系数以及短程流量、温度、压力趋势异常指数得到各数据采集时刻的数据短程多序列趋势异常指数；将不同数据向量的欧式距离与对应数据采集时刻的数据短程多序列趋势异常指数的差值绝对值的乘积作为不同数据向量之间的相似短程趋势加权距离；结合相似短程趋势加权距离采用sos算法对各数据向量进行异常检测，完成废气净化设备运行数据的检测。
8、优选的，所述根据各数据序列获取流量、温度及压力关联度，包括：
9、对于流量数据序列，分别计算流量数据序列与温度数据序列、压力数据序列的皮尔逊相关系数，将两个皮尔逊相关系数的和值的二分之一作为流量关联度；
10、针对温度、压力数据序列，采用流量关联度的计算方法分别获取温度、压力关联度。
11、优选的，所述根据流量、温度及压力关联度获取综合影响系数，包括：
12、计算流量、温度及压力关联度的和值；
13、将流量关联度与所述和值的比值作为流量数据对温度、压力数据的综合影响系数；
14、采用流量数据对温度、压力数据的综合影响系数的计算方法获取温度数据对流量、压力数据的综合影响系数以及压力数据对流量、温度数据的综合影响系数。
15、优选的，所述根据各数据序列的自相关矩阵构建各自相关特征值序列，包括：
16、分别获取各数据序列的自相关矩阵，计算各自相关矩阵的特征值，将各自相关矩阵的特征值按照升序排序组成各自相关特征值序列，其中，所述各自相关特征值序列包括流量、温度及压力自相关特征值序列。
17、优选的，所述根据各自相关特征值序列与其他自相关特征值序列的关系得到各数据序列的趋势同步异常系数，包括：
18、分别获取流量自相关特征值序列与温度、压力自相关特征值序列的dtw距离，将两个dtw距离的乘积作为流量数据序列的趋势同步异常系数；
19、针对温度、压力自相关特征值序列，采用流量数据序列的趋势同步异常系数的计算方法分别获取温度、压力数据序列的趋势同步异常系数。
20、优选的，所述根据趋势同步异常系数、各数据及时间区间内所有数据的趋势关联强度得到各数据的短程趋势无序强度，包括：
21、对于各数据，计算时间区间内所有数据的趋势关联强度均值，计算时间区间内各数据的趋势关联强度与所述均值的差值平方，获取时间区间内所有数据的所述差值平方的均值，记为第一均值；
22、获取各数据的趋势关联强度的倒数与所述第一均值的乘积，将所述乘积与趋势同步异常系数相乘的结果作为数据序列中各数据的短程趋势无序强度。
23、优选的，所述构建各数据的趋势距离差异系数及分布特征值，进而计算各数据的相似趋势密集指数，包括：
24、对各数据序列采用最小二乘法进行拟合得到各数据序列对应的拟合趋势曲线；
25、对于每个数据序列的各数据；分别计算数据到拟合趋势曲线的欧式距离与其时间区间内各数据到拟合趋势曲线的欧式距离的差值平方，将所述时间区间内所有差值平方的均值作为各数据的趋势距离差异系数；其中，数据到拟合趋势曲线的欧式距离记为趋势拟合距离；
26、分别获取各数据的时间区间内所有数据的趋势拟合距离、趋势距离差异系数的标准差，将两个标准差乘积的倒数作为各数据的分布特征值；
27、计算各数据的分布特征值与对应时间区间内所有数据的分布特征值的差值平方的均值，将所述分布特征值与所述均值的比值作为各数据的相似趋势密集指数。
28、优选的，所述各数据的短程有序趋势偏离度为各数据的趋势距离差异系数与相似趋势密集指数的乘积。
29、优选的，所述根据综合影响系数以及短程流量、温度、压力趋势异常指数得到各数据采集时刻的数据短程多序列趋势异常指数，包括：
30、计算短程流量趋势异常指数与流量数据对温度、压力数据的综合影响系数的乘积；
31、计算短程温度趋势异常指数与温度数据对流量、压力数据的综合影响系数的乘积；
32、计算短程压力趋势异常指数与压力数据对流量、温度数据的综合影响系数的乘积；
33、将三个乘积的和值的归一化值作为各数据对应采集时刻的数据短程多序本文档来自技高网...
【技术保护点】
1.一种净化工程废气净化设备异常运行数据检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据各数据序列获取流量、温度及压力关联度，包括：
3.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据流量、温度及压力关联度获取综合影响系数，包括：
4.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据各数据序列的自相关矩阵构建各自相关特征值序列，包括：
5.如权利要求4所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据各自相关特征值序列与其他自相关特征值序列的关系得到各数据序列的趋势同步异常系数，包括：
6.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据趋势同步异常系数、各数据及时间区间内所有数据的趋势关联强度得到各数据的短程趋势无序强度，包括：
7.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法
8.如权利要求7所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述各数据的短程有序趋势偏离度为各数据的趋势距离差异系数与相似趋势密集指数的乘积。
9.如权利要求3所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据综合影响系数以及短程流量、温度、压力趋势异常指数得到各数据采集时刻的数据短程多序列趋势异常指数，包括：
10.如权利要求9所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述结合相似短程趋势加权距离采用SOS算法对各数据向量进行异常检测，包括：
...【技术特征摘要】
1.一种净化工程废气净化设备异常运行数据检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据各数据序列获取流量、温度及压力关联度，包括：
3.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据流量、温度及压力关联度获取综合影响系数，包括：
4.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据各数据序列的自相关矩阵构建各自相关特征值序列，包括：
5.如权利要求4所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据各自相关特征值序列与其他自相关特征值序列的关系得到各数据序列的趋势同步异常系数，包括：
6.如权利要求1所述的一种净化工程废气净化设备异常运行数据检测方法，其特征在于，所述根据趋...
【专利技术属性】
技术研发人员：何志辉，陈海林，
申请(专利权)人：湖南辉达净化工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。